Pengembangan Dashboard Prediksi Penggunaan Transportasi Umum Berbasis Business Intelligence dan Random Forest di Jakarta

Abstract

Penelitian ini menerapkan konsep Business Intelligence (BI) untuk memprediksi dan memvisualisasikan tren penggunaan transportasi umum di Jakarta guna mendukung pengambilan keputusan berbasis data. Data sekunder dari portal Satu Data Jakarta dianalisis menggunakan algoritma Random Forest karena kemampuannya mengolah variable secara kompleks dengan hasil prediksi yang akurat (R² = 0,978). Hasil penelitian menunjukkan bahwa TransJakarta, MRT, dan KRL memiliki tren penumpang yang stabil, sedangkan LRT, KCI Commuter Bandara, kapal, dan bus sekolah lebih fluktuatif. Hasil tersebut divisualisasikan dalam dashboard berbasis web yang memudahkan perencanaan armada dan kebijakan operasional transportasi publik. Penelitian ini memberikan kontribusi pada penerapan BI di sektor transportasi dengan menghadirkan model prediksi yang mendukung perumusan kebijakan berbasis data